HelloWorld 开发者社区
科技资讯
微软 MAI Code 2 系列进入 Copilot:按工程任务选择编程模型
OpenAI 发布 GPT-6.2 Astra 与 Sol:专业交付、编程效率与团队选型
Qwen4-Max 发布:百万 Token 上下文、多模态与长任务如何落地
Jync 2.2.1 发布:完善告警通知,修复 CDC 与 ETL 可靠性问题
phimint 0.10.0 发布:终端智能体加入交互输入处理
Cursor 更新安全事件调查:扩展分发、历史凭据与团队排查
SoduWork 开源,尝试用独立审查与插件治理组织智能体交付
百度世界提出智能组织思路,关注 AI 从个人工具进入业务闭环
openKylin 全球生态推广会举行,推进本地化与社区合作
光船 1.1.0 尝鲜版二更新,探索 AI 会话与代码生成结合
开源项目
全部项目推荐好文
使用YOLOv8进行工业视觉缺陷检测,基于Aidlux完成本地终端部署
1.引言 工业视觉缺陷检测系统是一种利用计算机视觉技术,通过分析生产过程中的图像和视频数据,来检测工业产品是否存在缺陷或质量问题的系统。有幸参与到Aidlux夏令营活动中,跟着东哥做了医疗注射器缺陷检测系统项目,在这个过程中我收获到了很多之前没有接触到的算法和实践。
【炼丹侠】如何用GPU服务器实现ResNet训练
ResNet是一种深度卷积神经网络架构,由微软研究员KaimingHe等人在2015年的论文《DeepResidualLearningforImageRecognition》中提出。ResNet旨在解决深层网络训练中的梯度消失和退化问题,使得可以训练更深、更复杂的神经网络,同时获得更好的
Langchain的一些问题和替代选择
Langchain因其简化大型语言模型(llm)的交互方面的到关注。凭借其高级的API可以简化将llm集成到各种应用程序中的过程。但是Langchain乍一看似乎是一个方便的工具,但是它有时候否更像是一个语言迷宫,而不是一个直截了当的解决方案。在本文中,我们将探讨与Langchain相关的一些问
SplitMask:大规模数据集是自我监督预训练的必要条件吗?
自监督预训练需要大规模数据集吗?这是2021年发布的一篇论文,它在自监督预训练场景中使用小数据集,如StanfordCars,Sketch或COCO,它们比ImageNet小几个数量级。并提出了一种类似于BEiT的去噪自编码器的变体SplitMask,它对预训练数据的类型和大小具有更强的鲁棒性。
SAS数据挖掘EM贷款违约预测分析:逐步Logistic逻辑回归、决策树、随机森林|附代码数据
全文链接:http://tecdat.cn/?p31745(https://link.segmentfault.com/?encz4OQURE03gE%2FdnjMGXDKvw%3D%3D.QU1nPyTwune6qpiHnMzkngWBy7LGUgUtiHAMz7ZXVOo%3D)
R语言武汉流动人口趋势预测:灰色模型GM(1,1)、ARIMA时间序列、logistic逻辑回归模型|附代码数据
全文链接:http://tecdat.cn/?p32496(https://link.segmentfault.com/?encHze2W08DIF9inZPK2ZTqDg%3D%3D.%2F%2F6TUJmt%2FmIieAqTCQMCK23dCBIbLCREdtE1PL4nh68%
R语言统计学DOE实验设计:用平衡不完全区组设计(BIBD)分析纸飞机飞行时间实验数据|附代码数据
全文链接:http://tecdat.cn/?p31010(https://link.segmentfault.com/?enc4Sw51esp9BFXCx3RhQF%2Fpw%3D%3D.KdC3NzzYR%2BCI5zYsHw4HEFidf6e1rxixH19RzcPbRl4%3D
R语言混合图形模型MGM的网络可预测性分析|附代码数据
原文链接:http://tecdat.cn/?p18279(https://link.segmentfault.com/?enca6Y4SPEXCJHbJLuXhSFHxA%3D%3D.ltx7pJ7f%2BYA0jg%2B%2BoxX%2Fnr9aUOArQ5bczk98HpSzNv
R语言分析糖尿病数据:多元线性模型、MANOVA、决策树、典型判别分析、HE图、Box's M检验可视化
全文链接:https://tecdat.cn/?p33609(https://link.segmentfault.com/?encfsyDSxsg97jRz%2BTFJzBEAg%3D%3D.8JWB%2FfIYycUsR51juowH7kIkFZcvaq8tmRkUO5uP%2FTU
Nougat:一种用于科学文档OCR的Transformer 模型
随着人工智能领域的不断进步,其子领域,包括自然语言处理,自然语言生成,计算机视觉等,由于其广泛的用例而迅速获得了大量的普及。光学字符识别(OCR)是计算机视觉中一个成熟且被广泛研究的领域。它有许多用途,如文档数字化、手写识别和场景文本识别。数学表达式的识别是OCR在学术研究中受到广泛关注的一个领域。
正在加载更多文章…
加载更多已加载文章中没有匹配内容,可继续加载更多。


